基于模糊KHM聚类的跳频网台分选方法

针对聚类分析实现跳频网台分选时，分选结果对初始聚类中心敏感且某些样本点“既可以属于类A也可以属于类B”的问题，提出了一种基于模糊K调和均值(KHM)聚类的跳频网台分选方法。首先利用搜索统计直方图位置法预估聚类数目和聚类中心，减少了算法的迭代次数；然后根据跳频信号的各项参数，应用模糊KHM聚类算法对跳频网台进行分选，有效解决了样本点的隶属度问题；最后通过类内类间距法估计得到准确的聚类数目K、聚类中心位置，大幅提升了聚类算法准确度。仿真结果表明，该算法聚类中心接近实际类中心，分选正确率高，迭代次数少。     

基于数据流聚类的动态信号分选框架

为了解决雷达信号分选中准确性与实时性相矛盾的问题,提出了一种基于数据流聚 类的动态信号分选框架。该框架分为在线和离线两部分,在线部分利用网格帧保存侦察数据 的概要信息;离线部分通过网格聚类算法对网格帧进行聚类分选,并得到分选结果。仿真实 验表明,该框架能够分选高密度复杂侦察数据流,对噪声不敏感,且无需先验知识支撑,能 够较好地满足信号分选准确性和实时性的需要。     

基于NeiMu的雷达信号聚类分选

针对雷达信号分选中常见的聚类数目难确定、数据簇形状识别、异常数据敏感等问题,提出了基于NeiMu(Neighboring Mutually)的雷达信号聚类分选算法。该算法首先以信号脉冲为点、各点间的欧氏距离为线构建距离矩阵,然后在进行干扰数据剔除的情况下选定合适k值完成聚类矩阵的构建,最后采取遍历聚类矩阵的方法输出聚类结果,在删除无效的聚类后实现了雷达信号的聚类分选。通过仿真可知该算法在选取合适k值的情况下具有极高的正确率,证明了其有效性和可靠性。     

一种TDMA信号用户盲分离方法

时分多址（Time Division Multiple Access，TDMA）信号用户分离作为TDMA信号第三方侦收的重要环节，是后续用户内涵信息解译组报、目标测向定位的前提条件。在未知网台规格情况下，无法通过解译用户ID或网控信令的方式对多用户进行分离。基于TDMA信号物理层特征，提出了一种基于DBSCAN（Ddensity-based Spatial Clustering of Applications with Noise）聚类算法的TDMA信号用户盲分离方法。通过对TDMA信号的时频域特征进行提取和聚类，实现对多用户突发时隙进行分离，并利用仿真数据和实际网台数据进行了算法验证。该算法具有良好的抗噪声性能和较高的正确分选率。     

一种基于脉冲样本序列的PRI周期信号分选算法

针对传统脉冲重复间隔（PRI）分选算法在估计PRI方面存在的不足,提出了一种对PRI周期信号的周期进行准确估计的方法。该方法首先从待分选脉冲序列中提取出属于一部雷达的脉冲样本,然后基于这些样本对该雷达脉冲序列的周期进行精确估计,并用估计到的周期值进行脉冲序列抽取从而实现准确分选。相对于传统PRI分选算法,该算法能够在保证周期估计精度的前提下大幅度减少分选过程所需要的时间,从而能够更好地满足信号分选的需求。仿真结果证明了所提算法的有效性。     

基于平均循环周期图方法的Frank编码信号循环谱特征参数估计

针对Frank编码信号非合作条件下参数估计问题,提出了基于平均循环周期图的循环 谱特征参数估计算法。该算法利用信号参数与循环谱特征的联系,通过提取信号的循环谱特 征,实现对其关键参数的估计。分析了算法的计算量,给出了该算法的具体实现步骤,并通 过对信号参数归一化均方根估计误差的仿真计算,分析了噪声环境对参数估计的影响,表明 该算法对Frank编码信号循环谱特征参数估计的有效性。     

采用广度优先搜索邻居聚类的通信信号调制识别

针对短波通信中无法避免的码间串扰问题,研究了聚类算法在信号调制识别中的作用,提出了一种利用广度优先搜索邻居(BFSN)聚类处理循环统计量特征的分类算法。该算法将循环统计量特征峰值作为聚类输入对象,通过BFSN聚类分析,剔除延时信号、噪声等造成的奇异类峰值,克服了多径效应产生的码间串扰影响,实现了2FSK、4FSK、BPSK、QPSK、16QAM、π/4-QPSK、π/4-DQPSK、8PSK等8种调制信号的自动识别。仿真表明,该算法聚类后提取的特征参数抗多径干扰能力强,同信道均衡方法相比识别正确率有5%的性能优势。低信噪比环境下的信号调制识别具有重要的工程应用意义。     

采用图像处理的跳频信号参数盲估计

针对短波复杂信道环境下的跳频信号参数估计问题,提出了一种基于图像处理的跳频信号参数盲估计算法。该算法在时频分析的基础上采用灰度共生矩阵提取信号的纹理特征,通过对纹理特征量的分割实现信号与背景噪声的分割,并运用形态学滤波去除二值化后产生的椒盐噪声;然后根据连通区域标记得到的各个信号在时频图中的位置信息来聚类,从而去除定频、突发等干扰信号,分选出跳频信号;最后根据分选出的跳频信号提取其跳频频线并进行修正,估计出跳频信号的跳周期、跳变时刻和跳频频率。仿真实验表明,该算法切实有效,能够在较低的信噪比条件下精确地估计出跳频信号的参数。     

基于虚拟阵列的非圆信号DOA估计

针对传统的子空间类波达方向（Direction of Arrival,DOA）估计算法只适用于入射信号个数少于天线数的局限性，利用现代通信系统中常用的非圆信号实值特性，提出了一种虚拟阵列多重信号分类法（Virtual Array Based Multiple Signal Classification,VA-MUSIC）。该方法通过对阵列输出信号进行共轭重构和合并，获得虚拟阵列来增加阵列的有效孔径。更进一步，结合空间平滑技术有效地解决了相干信号的DOA估计问题。与传统的MUSIC算法相比，新算法不仅可以增加最大可估计信源数，而且在DOA估计精度、信号源角分辨能力等方面均有明显的优势。计算机仿真验证了该算法的有效性和优越性。     

利用谱估计算法的雷达信号分选

传统雷达信号分选过程中分别进行脉冲重复频率检测与初始到达时间估计时,脉冲搜索时间过长。为此,提出了一种新的基于谱估计的信号分选算法。该算法通过谐波滤除减小了脉冲初始到达时间估计的运算次数,并在进行脉冲重复频率检测的同时估计脉冲初始到达时间,从而避免了传统信号分选算法中对整个序列的遍历,节省了计算资源。仿真结果验证了该算法的有效性。     

基于软件无线电的GNSS干扰和多径监测系统设计

针对干扰和多径导致全球导航卫星系统（GNSS）不能精确、安全和可靠地提供位置、速度和时间服务等问题,分析了研制GNSS干扰和多径监测系统的意义,介绍了当前干扰和多径常用的检测方法,设计了一套针对当前四大导航系统（美国GPS、俄罗斯GLONASS、欧盟Galileo和中国BDS）各信号带内以及附近频率的干扰和多径监测系统。系统基于软件无线电（SDR）思想,采用模块化设计,具有良好的功能扩展性和配置灵活性。根据不同干扰的特点,结合实际应用改进了其检测算法：采用能量阈值法检测不同形式的压制式干扰,采用基于捕获多相关峰法判别欺骗式干扰,采取基于最大似然准则的多径估计延迟锁定环（MEDLL）技术估计多径信号的参数。实验结果表明系统能够有效检测各种干扰和多径信号的存在,使用户获取其特征参数,为干扰源的定位、查处、排除、规避以及多径信号的抑制提供决策依据。     

多分类器融合的快速高维特征聚类图像分割

提出一种多分类器融合的快速高维特征聚类图像分割方法,将图像高维 特征数据的分类分解为基于灰度(颜色)特征的最佳模糊分类以及基于空域约束的统计分类等 多个低维特征数据的分类。通过多分类器融合的方法将不同分类器得到的分类结果进行优化 整合,得到最后的分类结果。实验证明：与其它图像分类算法相比,该方法拥有更好的分 割性能并大大提高了计算速度,最大限度地保证了分割算法计算的简单有效性。     

移动通信信号自动调制识别的谱相关方法

一些不同的数字调制信号有着相同或相近的功率谱密度,但它们的谱相关函数却有明显区别。平稳的噪声和干扰的谱相关为零。利用谱相关函数的这些性质可以识别出噪声中的调制信号。本文提出了一种用于移动通信信号自动调制识别的谱相关算法,该方法可以识别各种主要无线系统和标准所采用的调制类型。     

基于高阶循环累积量和支持矢量机的分级调制分类算法

利用观测样本的高阶循环累积量特征,提出一种基于支持矢量机的分级调制分类算法 ,实现了对QAM调制信号的自动识别。该算法具有较快的分类器训练速度和较低的复杂度, 对时延和相位旋转具有稳健性,并可在干扰环境下实现对感兴趣信号调制类型的识别。理论 分析和仿真结果均证明了算法的正确性和有效性。     

毫微微小区中一种基于分组的资源分配方法

为有效解决毫微微小区间（Femtocell）干扰,采用分布式方式对毫微微小区进行资源管理。首先,对毫微微接入点（FAPs）进行分组。基于Lingo数学建模的思想,提出了一种解决分组优化问题的算法。该算法在使用分支定界算法寻找最优解的同时,通过建立单纯形表剪去偏离最优解方向的分支;其次,每组选择一个簇头为本组内FAPs分配资源,为此,提出了新的子信道分配方法,该方法根据干扰指示矩阵修正子信道分配的情况。仿真结果表明：和其他算法相比,提出的算法不仅能找到分组优化问题的最优解,并且效率更高;另外,提出的资源分配算法不仅减小了用户间干扰,而且提高了户间速率公平。     

八天线TD-LTE系统的波束赋形算法分析

多天线是天线技术的发展趋势,TD-LTE引入了8发2收的天线配置。基于小间距多天 线阵列,利用TDD系统信道互易性,波束赋形技术可以根据上行导频获得信道信息,形成对基 带（中频）信号的最佳组合或者分配,补偿无线传播过程中由空间损耗、多径效应等因素引 入的信号衰落与失真,同时降低同信道用户间的干扰。EBB(Eigen based Beamforming)算 法是波束赋形主要算法之一,该算法中在整个波束空间中,找到使接收信号功率最大的赋形 权矢量。通过仿真,对EBB算法在各种应用场景下的性能进行了分析,结果表明八天线E BB波束赋形算法可以正确实现波束合成,在低速或上行信道信息估计误差较小情况下能够明 显提高系统性能。     

基于负熵最大化盲抽取的雷达信号分选研究

研究了盲源分离算法在雷达信号分选中的应用,用基于负熵最大化的盲抽取算法对实际环境下的雷达信号进行分选,仿真结果表明,该方法能够有效地应用于多路雷达信号的分选,能抗突发脉冲干扰及完成降噪处理,并且易于实现,收敛速度快.     

一种偏移载波调幅信号的频域优选新方法

为了解决民航地空通信中机载电台接收到的多个偏移载波调幅信号互相干扰的问题,提出了一种在频域进行最佳载波搜索的优选方法。该方法采用能量重心法对接收信号的频谱幅度和频率进行校正,通过搜索频谱幅度的最大值,优选出一路载噪比最高的调幅信号进行解调,同时对其他调幅信号进行抑制。仿真实验和电台通信实验均表明该方法可以正确地实现多个偏移载波调幅信号的优选和解调,明显降低干扰,解调后话音的平均意见分提高了3分,具有实际工程应用价值。     

知识辅助的两级自适应抗干扰技术

机载雷达通常工作在强杂波、强干扰的复杂电磁环境中,如何有效消除压制干扰抑制杂波是其中的关键问题。传统的两级空时自适应处理（STAP）算法在静默期采集信号得到干扰子空间,在开机阶段运用空间投影技术抑制干扰并采用降维STAP抑制杂波。虽然该算法在干扰平稳时具有较好的效果,但是在实际应用中,复杂的干扰环境会破坏广义平稳假设。因此,仅采集单个静默期的干扰样本来估计协方差矩阵会出现偏差。为了克服该问题,提出采集多个静默期的干扰信号来估计当前的干扰协方差矩阵,以此来提高估计准确度,可以更好地抑制干扰。仿真结果表明即使在当前静默期采集的干扰信息不完整时,该技术仍然能够利用以前的干扰信息准确估计干扰协方差矩阵。